120-100046401-视频课-王然-NLP实战高手课完结
01-50
51-99
100丨WikiSQL任务简介.mp4 291.3MB
101丨ASDL和AST.mp4 173.3MB
102丨Tranx简介.mp4 282.2MB
103丨LambdaCaculus概述.mp4 139.7MB
104丨Lambda-DCS概述.mp4 332.3MB
105丨InductiveLogicProgramming基本设定.mp4 433.0MB
106丨InductiveLogicProgramming一个可微的实现.mp4 269.3MB
107丨增强学习的基本设定增强学习与传统的预测性建模有什么区别?.mp4 203.0MB
108丨最短路问题和DijkstraAlgorithm.mp4 245.7MB
109丨Q-learning如何进行Q-learning算法的推导?.mp4 1.1GB
110丨Rainbow如何改进Q-learning算法?.mp4 511.3MB
111丨PolicyGradient如何进行PolicyGradient的基本推导?.mp4 290.7MB
112丨A2C和A3C如何提升基本的PolicyGradient算法.mp4 427.5MB
113丨Gumbel-trick如何将离散的优化改变为连续的优化问题?.mp4 230.9MB
114丨MCTS简介如何将推理引入到强化学习框架中.mp4 350.8MB
115丨DirectPolictyGradient基本设定及Gumbel-trick的使用116丨DirectPolictyGradient轨迹生成方法.mp4 959.8MB
117丨AutoML及NeuralArchitectureSearch简介.mp4 265.9MB
118丨AutoML网络架构举例.mp4 554.7MB
119丨RENAS如何使用遗传算法和增强学习探索网络架构.mp4 425.5MB
120丨DifferentiableSearch如何将NAS变为可微的问题.mp4 347.2MB
121丨层次搜索法如何在模块之间进行搜索?.mp4 179.1MB
122丨LeNAS如何搜索搜索space.mp4 190.3MB
123丨超参数搜索如何寻找算法的超参数.mp4 293.3MB
124丨Learning to optimize是否可以让机器学到一个新的优化器.mp4 257.2MB
125丨遗传算法和增强学习的结合.mp4 202.4MB
126丨使用增强学习改进组合优化的算法.mp4 446.4MB
127丨多代理增强学习概述什么是多代理增强学习?.mp4 240.6MB
128丨AlphaStar介绍AlphaStar中采取了哪些技术?.mp4 326.6MB
129丨IMPALA多Agent的Actor-Critic算法.mp4 276.7MB
130丨COMAAgent之间的交流.mp4 165.6MB
131丨多模态表示学习简介.mp4 235.0MB
132丨知识蒸馏如何加速神经网络推理.mp4 180.4MB
133丨DeepGBM如何用神经网络捕捉集成树模型的知识.mp4 91.3MB
134丨文本推荐系统和增强学习.mp4 464.3MB
135丨RL训练方法集锦简介.mp4 279.5MB
136丨RL训练方法RL实验的注意事项.mp4 235.7MB
137丨PPO算法.mp4 302.7MB
138丨Reward设计的一般原则.mp4 184.9MB
139丨解决SparseReward的一些方法.mp4 661.0MB
140丨ImitationLearning和Self-imitationLearning.mp4 429.1MB
141丨增强学习中的探索问题.mp4 453.1MB
142丨Model-basedReinforcementLearning.mp4 340.4MB
143丨TransferReinforcementLearning和Few-shotReinforcementLearning.mp4 508.3MB
144丨Quora问题等价性案例学习预处理和人工特征.mp4 446.8MB
145丨Quora问题等价性案例学习深度学习模型.mp4 365.7MB
146丨文本校对案例学习.mp4 409.7MB
147丨微服务和Kubernetes简介.mp4 223.2MB
148丨Docker简介.mp4 178.7MB
149丨Docker部署实践.mp4 342.9MB
150丨Kubernetes基本概念.mp4 214.8MB
151丨Kubernetes部署实践.mp4 462.3MB
152丨Kubernetes自动扩容.mp4 278.2MB
153丨Kubernetes服务发现.mp4 137.0MB
154丨Kubernetes Ingress.mp4 254.0MB
155丨Kubernetes健康检查.mp4 235.4MB
156丨Kubernetes灰度上线.mp4 232.7MB
157丨Kubernetes Stateful Sets.mp4 174.9MB
158丨Istio简介Istio包含哪些功能?.mp4 122.1MB
159丨Istio实例和Circuit Breaker.mp4 379.0MB
160丨结束语.mp4 127.7MB
01丨课程介绍.mp4 203.9MB
02丨内容综述.mp4 449.7MB
03丨AI概览宣传片外的人工智能.mp4 831.0MB
04丨AI项目流程从实验到落地.mp4 980.6MB
05丨NLP领域简介NLP基本任务及研究方向.mp4 597.7MB
06丨NLP应用智能问答系统.mp4 397.3MB
07丨NLP应用文本校对系统.mp4 258.2MB
08丨NLP的学习方法如何在AI爆炸时代快速上手学习?.mp4 456.0MB
09丨深度学习框架选择合适的深度学习框架?10丨深度学习与硬件CPU.mp4 1.4GB
11丨深度学习与硬件GPU.mp4 401.7MB
12丨深度学习与硬件TPU.mp4 359.4MB
13丨AI项目部署基本原则.mp4 147.0MB
14丨AI项目部署框架选择.mp4 211.8MB
15丨AI项目部署微服务简介.mp4 265.2MB
16丨统计学基础随机性是如何改变数据拟合的本质的?.mp4 437.9MB
17丨神经网络基础神经网络还是复合函数.mp4 333.1MB
18丨神经网络基础训练神经网络.mp4 338.7MB
19丨神经网络基础神经网络的基础构成.mp4 677.0MB
20丨Embedding简介.mp4 258.0MB
21丨RNN简介马尔可夫过程和隐马尔可夫过程.mp4 270.2MB
22丨RNN简介RNN和LSTM.mp4 626.9MB
23丨CNN卷积神经网络是什么?.mp4 248.9MB
24丨环境部署如何构建简单的深度学习环境?.mp4 872.0MB
25丨PyTorch简介Tensor和相关运算.mp4 406.7MB
26丨PyTorch简介如何构造Dataset和DataLoader?.mp4 330.5MB
27丨PyTorch简介如何构造神经网络?.mp4 571.7MB
28丨文本分类实践如何进行简单的文本分类?.mp4 548.1MB
29丨文本分类实践的评价如何提升进一步的分类效果?.mp4 858.8MB
30丨经典的数据挖掘方法数据驱动型开发早期的努力.mp4 355.3MB
31丨表格化数据挖掘基本流程看看现在的数据挖掘都是怎么做的?.mp4 292.3MB
32丨Pandas 简介如何使用Pandas对数据进行处理?.mp4 559.1MB
33丨Matplotlib 简介如何进行简单的可视化分析?.mp4 268.4MB
34丨半自动特征构建方法Target Mean Encoding.mp4 298.8MB
35丨半自动特征构建方法Categorical Encoder.mp4 303.7MB
36丨半自动特征构建方法连续变量的离散化.mp4 333.4MB
37丨半自动特征构建方法Entity Embedding.mp4 1005.8MB
38丨半自动构建方法Entity Embedding的实现.mp4 766.2MB
39丨半自动特征构建方法连续变量的转换.mp4 637.3MB
40丨半自动特征构建方法缺失变量和异常值的处理.mp4 211.8MB
41丨自动特征构建方法Symbolic learning和AutoCross简介.mp4 460.3MB
42丨降维方法PCANMF 和 tSNE.mp4 644.7MB
43丨降维方法Denoising Auto Encoders.mp4 163.4MB
44丨降维方法Variational Auto Encoder.mp4 455.0MB
45丨变量选择方法.mp4 192.6MB
46丨集成树模型如何提升决策树的效果47丨集成树模型GBDT和XgBoost的数学表达.mp4 840.6MB
48丨集成树模型LightGBM简介.mp4 244.9MB
49丨集成树模型CatBoost和NGBoost简介.mp4 115.0MB
50丨神经网络建模如何让神经网络实现你的数据挖掘需求 51丨神经网络的构建ResidualConnection和DenseConnection.mp4 465.8MB
网盘链接有效,可以访问
《120-100046401-视频课-王然-NLP实战高手课完结》来源于网盘资源爬虫采集。
请认真阅读本站声明:
1.学霸盘通过网盘资源爬虫收集网盘公开分享链接,本站不复制、传播、储存任何网盘资源文件,也不提供资源下载服务,链接会跳转至百度网盘,资源的安全性与有效性请您自行辨别。
2.学霸盘重视个人隐私和知识产权保护,坚决禁止一切违规信息,如您发现任何涉嫌违规的网盘信息,请立即向百度网盘官方网站举报,并将链接提交给我们进行删除。
3.学霸盘作为非经营性网站,网盘搜索服务仅供学习与交流使用。